3：图像信号处理汇编.ppt

基于数字图像的信号处理数学方法 图像信号的处理已经成为信号 处理应用领域的两大分支之一！ 主要学习内容 图像成像及其图像的分类 图像的几何变换 图像增强 去噪（滤波） 色调变化 复原 特征提取 基于MATLAB的算法编程与调试 数字图像的成像过程（A/D转换） Lena 从成像光谱角度对图像信号的覆盖范围： 可见光 红外线 微波 无线电波 紫外线 X射线 伽马射线 电子能量升高 电子能量降低 可见光 X光 红外光成像 紫外线对农作物的成像: 左,正常谷物; 右, 被真菌感染的谷物 紫外光成像 微波波段成像 西藏东南山区航天雷达图像 无线电波磁共振成像 人的脊椎 寻找丘光华机组 二维图像在空间域的基本几何变换 成像设备与景物实体的相对运动关系 平移运动 旋转运动 变焦运动 其中， 控制缩放， R控制旋转，T控制平移。 二维空间变换的数学描述 只存在缩放变换： 几种特殊情况 只存在旋转变换： 只存在平移变换： 问题： 数学上，图象各点存在的范围是可以以连续函数的形式来表示的；而在实际工程图像中，存在范围又必须以点集这种离散整数的形式来表示。这样，在执行几何变换操作时，将不可避免地产生坐标点为小数的情况。 解决办法：插值 最近邻域法插值 双线性插值 最近邻域插值 双线性插值 图像去噪 噪声类型 平均滤波法 中值滤波法★ 其它滤波法 噪声的类型 典型噪声1—胡椒盐噪声（低频） 典型噪声2—高斯噪声（高频） 此外，还有冲击噪声、量化噪声等。 噪声的影响 图像的视觉质量 后续图像处理算法 平均滤波 实质： 在一定范围内做均值平滑处理，让表现为高频特征的噪声被滤除。根据滤波器模板的尺寸大小，平均滤波器模板可有3×３、５×５，７×７等多种。下图为典型的3×３平均滤波器模板。但是，越大的模板对图像的模糊效果也随之增强。 3*3模板滤波结果 5*5模板滤波结果 7*7模板滤波结果 中值滤波 基本思想： 中值滤波器模板也可有3×３、５×５，７×７等类型。把模板内包含的像素对应的各颜色分量按从大到小排列，中值就是指数值大小位于中间的那一个值，把这个数值作为该像素在该颜色分量的输出。 适用范围 中值滤波特别适合用在有很强的胡椒盐噪声或脉冲式噪声的场合（低频噪声）。因为这类噪声造成某像素与其邻近像素在颜色上产生很大差异，经过中值滤波后将强迫被干扰点与邻近的某些像素灰度值一致，从而达到了去除噪声干扰的目的。 被胡椒盐噪声污染的图像 3*3模板滤波结果 5*5模板滤波结果 对比度调节 对比度调节 通俗点讲，就是暗的更暗，亮的更亮。 线性调节法 对比度的非线性调节——幂次律点变换关系 其中，p 一般取2。 色调调节（冷暖色） 从计算机图形学上讲， 有多种模型可以对冷暖色进行描述，HSV颜色模型就是其中一种。 其中，H代表色调，S代表饱和度，V代表明暗度。 色调调节的通常做法是： 先将RGB色彩模型转换为HSV色彩模型； 对H、S、V对应元素进行调节； 最后再转换为RGB色彩模型。 Step 1: RGB色彩模型转HSV色彩模型 Step 2: H、S、V调节 Step 3: HSV色彩模型转RGB色彩模型 冷色LENA与暖色LENA 增减饱和度 增减明暗度 图像增强 许多时候，信号比较微弱，因此需要对其增强。 比如：夜间低能见度条件下的图像增强。 图像增强 雾霭条件下的增强 图像信号增强的方法有多种，这里介绍基于频域变换的同态滤波方法。 先看图像的形成过程： 人眼观察到的物体颜色与物体表面的反射性质有着密切的关系，而与投射到人眼的光谱特性关系不大，即人眼感觉到物体的颜色不受照明环境变化的影响，即色彩是恒定。根据此理论，一幅图像I(x, y)可以定义为： 其中，E表示入射光；R表示物体表面的反射性质。 因此：可以从图像I中获得物体表面的反射性质R，即抛开入射光性质获得物体的本来面貌。 对上式施加对数变换： ln[I(x,y)] = ln[E(x,y)] + ln[R(x,y)] ln[I(x,y)] = ln[E(x,y)] + ln[R(x,y)] 一般而言，入射光强度分量E(x,y)对所有(x,y)而言均为定值或变化很缓慢，而反射光强度分量R(x,y)则变化较大，特别是在不同物体间的交接处。 对上式取傅里叶变换，则低频傅里叶变换效果反应在ln[E(x,y)]上，高频傅里叶变换效果反应在ln[R(x,y)]上。 傅里叶变换 傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。 在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。 傅里叶变换在物理学、电子类学科、数论、组合数学、